剛玩了3個月回來。玩和掙錢兩不誤。1萬變60萬,貼一張QQQ自動交易係統盈利結果,BEAT BUY&HOLD近5倍

本帖於 2025-07-28 20:28:45 時間, 由普通用戶 顏陽 編輯

    這次又回到了40年前出國的第一站日本,舊地重遊玩了近一個月。然後又玩了中國的大好江山。回來真好,到過很多國家,很幸運,美國最好是無可爭辯的。每次旅遊回來都會有回家真好,美國最好的感覺。至今我還沒在任何國家看到過有比我在美國住的社區漂亮美麗的環境.  40年前剛到日本,那時中國是非常貧窮的,我對日本的現代化和繁華程度非常震驚。日本現在回去再看一次實在是破破拉拉的,老百姓明顯消費能力越來越低。
    話歸主題。到底有沒有可能完全憑TA(技術分析) 的自動交易係統 Algorithm 來長期BEAT S&P或QQQ BUY AND HOLD回報率?? 答案是非常肯定的.做到這一點非常難,也是各個TOP BUSINESS SCHOOL的研究課題。。。貼一下我的AUTOMATIC TRADING SYSTEM的 BACK TEST 的結果。

QQQ Algorithm automatic trading26年1萬變60萬的CHART:

  QQQ AUTOMATIC TRADING SYSTEM, 25年回報率BEAT BUY AND HOLD 回報率近5倍, S&P 回報率BEAT BUY AND HOLD S&P 1.5倍。。這個自動交易的算法在NVIDIA和AMD上也有非常驚人的回報率,但是在TESLA和TQQQ上表現平平,差不多隻是MEET BUY AND HOLD 回報率而已。

貼2張QQQ 最近的買入賣出TRIGGER SIGNALS。。最後一次是買入信號5/12/2025,至今還沒賣出信號 。。。為了防止有人REVERSE ENGINEERING具體算法,遮去了大部分Trading TRIGGER DATES,望諒

再貼一張買賣輸贏比率的詳細分析情況。其實贏的比率並不非常高,但是虧的時候虧錢不多時就會TRIGGER SELL SIGNALS。2008年金融危機幾乎沒跌什麽。

 


有人會問你是怎麽做到的。我以前貼過TA算法的大學和PHD水平。。"股市技術分析(TA)有5個等級":

https://blog.wenxuecity.com/myblog/82113/202504/2604.html

股市變化有很多隨機噪音,也有COHERENT MARKET FORCE, 去除噪音FOLLOW THE COHERENT MARKET
FORCE才能真正在股市裏掙錢CONSISTENTLY。 如果整天頻繁進出,實際上是在和股市的隨機噪音鬥,長期你 能鬥贏隨機噪音的概率幾乎是零。COHERENT MARKET FORCE的 frequencies are low,所以要CATCH up COHERENT MARKET FORCE, 交易不可以過於頻繁。。
我提到過股市變化波形和電子通訊裏的波形分析有類似性,比如高噪音雷達信號或衛星圖形分析情況。
可以數一下, 1999年以來這個自動交易係統隻交易了133次,居然可以有如此的PERFORMANCE。每次大的熊市 這個算法表現都非常出色。2008年幾乎沒虧什麽。

 

過濾了股市隨機噪音無疑是關鍵。

 

 

 

所有跟帖: 

哪個平台搞的自動交易? ib ? -arewethereyet- 給 arewethereyet 發送悄悄話 (0 bytes) () 07/28/2025 postreply 18:39:01

交易頻率這麽低,沒必要到IB去TRADE。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (0 bytes) () 07/28/2025 postreply 18:44:26

看不太清楚。 效果好就好。 -24橋明月夜- 給 24橋明月夜 發送悄悄話 (0 bytes) () 07/28/2025 postreply 18:56:38

補充了25年1萬變60萬的CHART,和25年每個月的虧贏具體數據/Table。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (0 bytes) () 07/28/2025 postreply 19:34:49

看結果很好, 就是看不懂 -螺絲螺帽- 給 螺絲螺帽 發送悄悄話 螺絲螺帽 的博客首頁 (0 bytes) () 07/28/2025 postreply 19:09:39

每次大的熊市 這個算法表現都非常出色。2008年金融危機幾乎沒虧什麽。補充了25年每個月的虧贏具體數據。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (0 bytes) () 07/28/2025 postreply 19:52:21

瞎評論幾句,不見得正確。 -jenning- 給 jenning 發送悄悄話 jenning 的博客首頁 (475 bytes) () 07/28/2025 postreply 19:53:14

這也是我覺得不確定的地方 -dancingpig- 給 dancingpig 發送悄悄話 (0 bytes) () 07/28/2025 postreply 20:08:13

算法和Curve FITTING沒任何關係,我提到過可建物理模型用電子通訊和統計數學方法 算出,關鍵是過濾股市隨機噪音。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (141 bytes) () 07/28/2025 postreply 20:09:30

能舉個例子 什麽是噪音嗎? -arewethereyet- 給 arewethereyet 發送悄悄話 (0 bytes) () 07/28/2025 postreply 20:34:14

股市噪音就是股價漲跌隨機變化,隨機變化的變量隻要樣本足夠大,平均就是零!。 可以去複習一下統計數學。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (0 bytes) () 07/28/2025 postreply 20:42:58

理論都懂 我想知道一個具體的例子 -arewethereyet- 給 arewethereyet 發送悄悄話 (0 bytes) () 07/28/2025 postreply 20:53:12

2024年4月大跌,我的模型認為是股市波動低頻噪音而已而非大戶賣出。,沒有觸發賣出信號。我好好買入了。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (165 bytes) () 07/28/2025 postreply 23:14:02

其實我認為 jenning的質疑是有道理的,靜態濾波器就是會有過擬合的問題,除非動態的算,但這些散戶不占優勢呀 -dancingpig- 給 dancingpig 發送悄悄話 (0 bytes) () 07/28/2025 postreply 21:31:07

有效的方法必須建立物理模型,和JENNING說的完全不同, CURVE FITTING是比較初級的方法,效果不佳理所當然 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (162 bytes) () 07/28/2025 postreply 23:01:27

如果你再重點看看2001與2008年的performance,這不是curve fitting可以做到的。看來美股的 -invest_2024dec- 給 invest_2024dec 發送悄悄話 invest_2024dec 的博客首頁 (83 bytes) () 07/28/2025 postreply 22:10:11

Absolutely NO. CURVE FITTING是比較初級的方法,方法太簡單粗糙,隻會數學不懂物理的用得多。 -顏陽- 給 顏陽 發送悄悄話 顏陽 的博客首頁 (0 bytes) () 07/28/2025 postreply 23:06:34

學習了! -jenning- 給 jenning 發送悄悄話 jenning 的博客首頁 (0 bytes) () 07/29/2025 postreply 06:57:06

你的chart 說是26年1萬變60萬. 我確實做不到啊 -arewethereyet- 給 arewethereyet 發送悄悄話 (0 bytes) () 07/28/2025 postreply 19:54:08

這個交易係統在這段時期收益挺牛!你願意分享也十分大方。最利害的是在大熊市中的賣出與買入時機,如能克服恐懼與貪婪去執行,那 -invest_2024dec- 給 invest_2024dec 發送悄悄話 invest_2024dec 的博客首頁 (760 bytes) () 07/28/2025 postreply 22:00:50

嗬嗬,我正在日本,感覺也一般,熱死個人。 -ipodslave- 給 ipodslave 發送悄悄話 (0 bytes) () 07/29/2025 postreply 02:53:00

這係統賣嗎? 價錢幾何? -CastlePines- 給 CastlePines 發送悄悄話 CastlePines 的博客首頁 (0 bytes) () 07/29/2025 postreply 05:29:32

你說得物理模型是隻考慮了價格因素嗎?還是加上了其他特征,比如成交量? -藍山飛狐- 給 藍山飛狐 發送悄悄話 藍山飛狐 的博客首頁 (0 bytes) () 07/29/2025 postreply 08:14:00

能回測一下指數嗎? -thinredline- 給 thinredline 發送悄悄話 (0 bytes) () 07/31/2025 postreply 19:35:56

請您先登陸,再發跟帖!